空气源热泵的分层递阶多智能体控制系统

针对空气源热泵机组的制热优势及其热水系统当前存在的不能有效利用空气热源和定温制水的问题,创建了空气源热泵分层递阶多智能体的控制结构模型;设计了水箱设定温度的模糊判定控制器和BP网络根据环境温度和水箱水温优化预测机组启动时间的决策控制器,并用C++编程语言实现了所设计的控制系统.     

基于BP神经网络的压风机故障诊断方法研究

针对压风机依赖人工操作、效率低、控制方式落后等问题,分析螺杆式压风机的常见故障类型和振动信号之间的关系,建立压风机的故障诊断模型,提出基于BP神经网络的压风机故障诊断方法,并利用Visual C#语言和Matlab软件开发了BLT-500型螺杆式压风机的在线故障诊断系统。     

大系统优化的动态规划递阶算法

本文将动态规划的最优性原则与大系统控制论中的分解协调的递阶算法结合起来,考虑到各子系统间的顺序直接作用,提出了一种以二次型为性能指标的离散线性系统优化的算法,导出了各子系统的递推公式,并举有一个五阶系统的仿真示例。最后,论述了这种算法的局限性。     

复杂过程的可视化故障诊断方法

引言 随着自动化水平的提高,现代化的工程控制系统规模日趋大型化、复杂化,一旦系统发生故障会造成人员和财产的巨大损失,迫切需要提高自动化系统的可靠性、可维修性和安全性.人们一直在研究各种新的故障诊断技术和方法,来提高故障诊断的正确率,从而防患于未然.     

基于SDE-BP网络的油田注水管网故障诊断方法研究

针对BP神经网络在油田注水管网系统故障诊断中收敛速度慢、精度低、易陷入局部最优等问题,提出一种改进的BP神经网络诊断模型。该模型将自适应差分进化算法（SDE）用于神经网络的数据训练中,用以确定最优权重和阈值,并将仿真模拟与神经网络的训练相结合,计算管网故障工况,从而得出注水站、注水井的压力、流量异常和管段的故障情况。该方法能准确诊断管网系统各类节点和管线的故障位置,以及对站启停泵、井欠过注和管道漏损、堵塞等故障类型进行判断,通过实验对比分析验证了方法的高效性,对故障点位置一级诊断正确率为100%,故障类型二级诊断的正确率达98.07%。     

一种用于动态过程故障诊断的子波-S型神经网络

在分析子波变换的基础上,将子波理论引入神经网络,提出了一种新的神经网络模型─—子波-S型神经网络(WSNN),并将其成功地应用于动态过程的故障诊断,同时根据其特性给出训练方法, 实验证明,与S形作用函数的前向阶层型神经网络(SBFN)相比,子波-S型神经网络提高了故障早期诊断的正确诊断率。     

基于EEMD和模糊BP神经网络的滚动轴承故障诊断

针对滚动轴承故障振动信号的非平稳特征,提出一种基于总体经验模态分解(EEMD)和模糊BP神经网络的故障诊断方法。首先对滚动轴承的振动信号采用总体经验模态分解方法进行分解,得到若干个本征模态函数分量(IMF);然后提取各分量的均方差、峭度和能量,把这些特征参数作为学习集和训练集,将学习集输入到模糊BP神经网络中进行学习;最后把训练集输入到特征参数经过学习训练后的模糊BP神经网络中进行故障类型识别,并与BP神经网络进行比较。实验结果表明:所提方法能有效地应用于滚动轴承故障诊断,而且比BP神经网络具有更高的精确度。     

基于BP神经网络电子评标方法的研究和应用

为了解决招投标中评标环节专家评审法随意性大的问题,针对建设工程的不同特点,对评标内容进行分类剖析.利用人工神经网络的智能识别功能,建立基于神经网络的电子评标方法.结合人工神经网络的自适应功能、良好的容错能力以及非线性数据处理特点,科学地评价多因素建设工程投标方案,使招标商从众多的投标商中选出最佳的中标单位.     

石油钻井过程问题及解决措施和控制技术研究

钻井工程是一项以地下为对象、隐蔽性很强的工程,很容易发生钻井事故,严重威胁钻井过程的安全,并且很大程度上影响整个钻井过程的进度、质量和经济效益。本文针对石油钻井经常出现的故障和问题作出了相关探讨并提出了相应的解决措施。     

复杂过程的集成智能故障诊断技术

对于具有控制复杂,难以精确描述数学模型的复杂过程,提出基于知识的模糊神经网络故障诊断方法。故障检测由基于知识系统实现,通过过程的深层知识获得故障检测产生式规则。故障诊断功能通过模糊神经网络实现。由于该方法不需要对象的精确数学模型,为复杂过程的故障诊断提供了强有力的工具。     

基于贝叶斯网络的复杂系统故障诊断的研究

由于故障树方法在复杂系统的故障诊断应用中存在较大的局限性,其很难解决复杂系统在故障诊断中表现出的事件的多态性、信息的不确定性、故障逻辑关系的不确定性等问题,本文提出了一种新型的贝叶网络方法可以较好的解决这些问题。文中以酸洗线的风机系统的故障诊断为例,验证了这种新型方法的有效性。     

BP网络培训算法的改进及其ANN在催化精馏水解塔模拟中的应用

将人工神经网络法应用到催化精馏塔的模拟,并用逐批处理及非单调线性搜索等方法对标准ＢＰ算法进行改进,效果满意     

基于小波包和GA-BP网络的柴油发电机故障诊断

针对柴油发电机的非平稳和非线性振动信号诊断难的问题,利用小波包和遗传算法优化的BP(GA-BP)网络两大工具对其进行故障诊断。首先利用小波包对柴油机发电机的振动信号进行分解,单支重构,构造特征向量,再将特征向量输入到遗传算法优化的BP网络里,从而实现柴油发电机的故障类别诊断。实验仿真和工程应用结果表明:所采用的方法可有效并精确地实现柴油发电机故障类别的诊断。     

面向系统层级的复杂工业过程全息故障诊断

复杂工业过程具有长流程、系统层级多、故障潜在分布空间范围较广的特点，是当前故障诊断领域的热门研究方向。首先，对主流故障诊断技术进行了分类和概述；其次，采用定量与定性相结合思路，提出了面向系统层级的复杂工业过程全息故障诊断框架，为复杂工业全流程的过程监测提供一整套技术和解决方案。相比于目前的故障诊断方法，该框架不仅包括故障检测和故障辨识，还包括故障根源诊断、故障传播路径识别、故障的定量诊断与评估，可有效解决复杂工业过程系统的综合故障诊断问题，实用性强，能够有效地减少或避免故障发生、保证产品的质量、提高企业的生产效率与生产安全；最后对故障诊断技术的发展趋势和亟待解决的问题进行了展望。     

基于深度残差网络的化工过程故障诊断

本工作提出了一种基于深度残差网络(DRN)的化工过程故障诊断方法,可从大量化工过程运行数据中自动提取故障特征。模型采用快捷连接缓解传统深度神经网络训练困难的问题,且使用批归一化(BN)方法,可有效缓解梯度消失/爆炸的问题。以田纳西?伊斯曼(TE)过程为实验对象对所提方法进行诊断性能评价实验,并与以往的基于传统深度学习模型的TE过程故障诊断方法进行对比,进一步探究了模型层数、BN技术和残差结构对故障诊断率的影响,最后,通过t分布随机邻域嵌入(t-SNE)方法对网络部分层的输出进行可视化。结果表明,模型对21种工况取得了94%的平均故障诊断率和0.30%的平均假阳率,表现出更加卓越的诊断性能。输出层的二维散点图显示了清晰的聚类,表明所提出的DRN模型能够对故障进行准确诊断。     

基于ICA-SVM的复杂化工过程集成故障诊断方法

针对由于复杂操作或多回路控制等因素造成复杂化工过程故障诊断难度加剧问题,提出了一种基于独立成分分析（ICA）和支持向量机（SVM）的集成故障诊断方法。该方法利用快速ICA算法建立正常工况ICA模型,通过监控统计量I²、I_e²、SPE是否超过用核密度估计方法确定相应的置信限检测故障。如检测到故障发生,即用梯度算法计算每一个监控变量对统计量I²、I_e²、SPE的贡献度,根据观察贡献度变化情况初步诊断出可能的故障源,并利用支持向量机多分类算法诊断出初始故障源。利用丁二烯精馏装置的实际工业故障数据验证提出的ICA-SVM集成故障诊断方法的有效性。     

基于深度置信网络的炼化空压机故障诊断方法

针对炼化空压机故障诊断中故障机理复杂、先验知识欠缺，且传统浅层神经网络诊断精度不高等问题，结合深度置信网络（DBN）在特征提取和处理非线性数据等方面的优势，提出一种基于DBN的炼化空压机故障诊断方法。该方法利用空压机状态监测实测数据，实现训练网络的无监督特征学习和有监督微调，构建空压机故障的深层网络模型，从而实现对空压机故障类型的有效智能诊断。为评估该方法的有效性，与传统的故障诊断方法进行了比较研究，结果表明，该方法的诊断精度优于传统的故障诊断方法，且稳定性更好。     

面向解决复杂工程问题能力培养的五阶教学模式创新与实践——以化工原理课程为例

化工原理是化工类专业的平台课程,是学生从理科思维向工科思维转变的关键课程。传统的化工原理课堂教学活动固化,考核方式单一,教学内容与工程实际严重脱节,无法匹配解决复杂工程问题能力培养的目标。对此,文章提出将解决复杂工程问题的能力拆解成多种高阶能力与素质,构建五阶教学模式,并设计与拆解目标相匹配的结构化教学活动和多维度考核评价方式,以保证目标、活动、评价之间的一致性。教学实践表明,五阶教学模式有助于提高学生解决复杂工程问题的能力。